การใช้ปัญญาประดิษฐ์ในบทบาทตุลาการ

ผศ.ดร.สิวะโชติ ศรีสุทธิยากร และคณะ
คณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

2025-07-24

แนะนำวิทยากร



ผศ.ดร.สิวะโชติ ศรีสุทธิยากร
ประธานหลักสูตรสถิติและวิทยาการข้อมูลการศึกษา
คณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย



ผศ.ดร.กนิษฐ์ ศรีเคลือบ
ห้วหน้าภาควิชาวิจัยและจิตวิทยาการศึกษา
คณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

แนะนำวิทยากร



ผศ.ปาริฉัตร ปิติสุทธิ
คณะเทคโนโลยีคหกรรมศาสตร์
มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ



อาจารย์ ดร.สกุลกาญจน์ วลีอิทธิภัสร์
คณะครุศาสตร์อุตสาหกรรม
มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ

Outline (1)

🕘 09:00–09:30 น.

Part 1: บทนำสู่ปัญญาประดิษฐ์

  • ปัญญาประดิษฐ์คืออะไร

  • ประเภทของ AI

  • Generative AI: What It Is and Why It Matters

🕘 09:30 - 10:30 น.

Part 2: เริ่มใช้ Generative AI และ Prompt101

  • แนะนำ ChatGPT

  • ปัญหา Hallucination และ ปัจจัยที่มีผลต่อความถูกต้องของผลลัพธ์

  • Prompt Design

– Break 15 นาที –

Outline (2)

🕘 10:45 - 11:15 น.

Part 3: แนะนำ Generative AI สำหรับงานด้านนิติศาสตร์

  • ภาพรวมเครื่องมือ Gen AI สำหรับงานด้านนิติศาสตร์

  • แนะนำเครื่องมือสำคัญและตัวอย่างการใช้งาน

  • AI Usage Framework


🕘 11:15 - 12:00 น.

Part 4: LLMs vs AI Workflows vs AI Agents

  • LLMs & Workflows & Agents

  • ตัวอย่างกรณีศึกษา

– พักรับประทานอาหารกลางวัน –

Outline (3)

🕘 13:00 - 14:45 น.

Workshop 1:

🕘 13:45 - 14:45 น.

Workshop 2:

– Break 15 นาที –

🕘 15:00 - 16:00 น.

Workshop 3:

Part 1:
บทนำสู่ปัญญาประดิษฐ์

AI & Data-Driven → Accelerated Discovery

Pyzer-Knapp et al. (2022)

ปัญญาประดิษฐ์คืออะไร ?

  • สาขาวิชา (Discipline) : AI เป็นสาขาวิชาหนึ่งในวิทยาการคอมพิวเตอร์ที่มุ่งเน้นศึกษาและพัฒนาวิธีการ/ทฤษฎีเพื่อสร้างโปรแกรม/เครื่องจักรที่สามารถเลียนแบบความสามารถของสมองมนุษย์

    • การเรียนรู้ (learning)

    • การให้เหตุผล (reasoning)

    • การรับรู้ (perception)

    • การแก้ปัญหา (problem solving)

    • การปรับตัว (adaption)

AI Ecosystem


AI ไม่ได้มีแค่ ChatGPT, Gemini, Claude, …


“A General Introduction to Artificial Intelligence” (2023)

ประเภทของ AI


Gaël (2020)

AI in the Modern World (1)

“Using two types of neural network - mathematical systems for identifying patterns in images or data - the Al system quickly learnt to identify ten features of eye disease from highly complex optical coherence tomography (OCT) scans. The system was then able to recommend a referral decision based on the most urgent conditions detected.” … “Al was able to make the right referral recommendation more than 94% of the time …”

  • Diabetic Retinopathy

  • Age-related Macular Degeneration

  • Glaucoma

  • Retinal Detachment

  • Optic Neuropathy

https://www.ucl.ac.uk/ioo/news/2018/aug/artificial-intelligence-equal-experts-detecting-eye-diseases (2018)

Al system for breast cancer screening

AI in the Modern World (2)

https://knihovna.utb.cz/en/services/tools/grammarly/

AI in the Modern World (3)

สิวะโชติ และคณะ (2568)

สิวะโชติ และคณะ (2568)

Srisuttiyakorn et al. (2024)

AI in the Modern World (4)

  • วิเคราะห์ร่องรอยความรู้

  • ทำนายแนวโน้มความรู้ในอนาคตจากร่องรอยความรู้ในปัจจุบัน

Park, Lee, and Park (2024)

AI in the Modern World (5)

  • AI chatbot ที่ออกแบบมาเพื่อเป็น “copilot” ด้านสุขภาพจิต

  • ใช้แนวทางของ CBT (Cognitive Behavioral Therapy) หรือ “การบำบัดทางความคิดและพฤติกรรม”

  • ติดตามสุขภาพจิตอย่างต่อเนื่อง

https://woebothealth.com/(2025)

https://www.youper.ai/how-it-works

AI in the Modern World (6)

Artificial Intelligence

“A General Introduction to Artificial Intelligence” (2023)

Generative AI: What It Is and Why It Matters


Generative AI คือระบบปัญญาประดิษฐ์ที่สามารถสร้างข้อมูลใหม่ เช่น ข้อความ รูปภาพ เสียง โค้ด หรือวิดีโอ โดยอิงจากรูปแบบ (patterns) และโครงสร้าง (structures) ที่เรียนรู้จากข้อมูลจำนวนมาก

กระบวนการสร้างไม่ได้เกิดจากการสุ่ม แต่เป็นการ คำนวณทางสถิติ
เพื่อหา “ผลลัพธ์ที่มีความเป็นไปได้สูงสุด” ภายใต้บริบทที่กำหนด

การสร้างเนื้อหาต้องอาศัย:

  • Context: บริบท เช่น ข้อความก่อนหน้า หรือข้อมูลแวดล้อม
  • Prompt: คำกระตุ้นที่ระบุภารกิจ รูปแบบ หรือเจตนาของผู้ใช้

ผลลัพธ์ที่ได้จึงไม่ใช่ “ของใหม่โดยสมบูรณ์” (original content) แต่เป็นการจัดเรียงองค์ประกอบใหม่ตามความน่าจะเป็นของการเกิดร่วมกันของคำหรือพิกเซล ที่ คล้ายคลึงกับสิ่งที่เคยเรียนรู้มา แต่มีความยืดหยุ่นและสร้างสรรค์เพียงพอที่จะใช้งานในหลากหลายบริบท และตรงตามวัตถุประสงค์

https://wordlift.io/blog/en/generative-ai-for-seo/

Generative AI: หลักการทำงาน


Part 2: เริ่มใช้ Generative AI และ Prompt 101

ChatGPT

  1. เข้าไปที่เว็บไซต์ chat.openai.com
  2. ลงทะเบียนหรือเข้าสู่ระบบ
  3. เลือกโมเดลที่ต้องการใช้
  4. ลองพิมพ์คำถามหรือคำสั่งในช่องข้อความ
  5. ตรวจสอบคำตอบที่ได้รับ ปรับปรุง และนำผลลัพธ์ไปใช้

https://openai.com/chatgpt/pricing/

ChatGPT

  1. เข้าไปที่เว็บไซต์ chat.openai.com
  2. ลงทะเบียนหรือเข้าสู่ระบบ
  3. เลือกโมเดลที่ต้องการใช้
  4. ลองพิมพ์คำถามหรือคำสั่งในช่องข้อความ
  5. ตรวจสอบคำตอบที่ได้รับ ปรับปรุง และนำผลลัพธ์ไปใช้

ChatGPT

  1. เข้าไปที่เว็บไซต์ chat.openai.com
  2. ลงทะเบียนหรือเข้าสู่ระบบ
  3. เลือกโมเดลที่ต้องการใช้
  4. ลองพิมพ์คำถามหรือคำสั่งในช่องข้อความ
  5. ตรวจสอบคำตอบที่ได้รับ ปรับปรุง และนำผลลัพธ์ไปใช้

https://teamai.com/blog/large-language-models-llms/understanding-different-chatgpt-models/

กิจกรรมลองใช้ ChatGPT

สถานการณ์ : ผู้เช่าได้ย้ายออกจากคอนโดตามสัญญาเช่าแล้ว แต่เจ้าของห้อง (ผู้ให้เช่า) แจ้งว่าจะไม่คืนเงินประกันจำนวน 15,000 บาท โดยอ้างว่าต้องนำไปซ่อมแซมห้อง

กิจกรรมลองใช้ ChatGPT : Prompt แบบที่ 1

“ผมเป็นผู้เช่าได้ย้ายออกจากคอนโดตามสัญญาเช่าแล้ว แต่เจ้าของห้อง (ผู้ให้เช่า) แจ้งมาว่าจะไม่คืนเงินประกันจำนวน 15,000 บาท โดยอ้างว่าต้องนำไปซ่อมแซมห้อง แบบนี้ผิดกฎหมายมั้ย ไม่คืนได้หรอ??”

กิจกรรมลองใช้ ChatGPT : Prompt Design แบบที่ 2

ในฐานะที่ปรึกษากฎหมาย ช่วยวิเคราะห์สถานการณ์และให้คำแนะนำตามกฎหมายไทย

ข้อเท็จจริง:

  1. ทำสัญญาเช่าคอนโด 1 ปี สิ้นสุดวันที่ 30 มิถุนายน 2568 วางเงินประกัน 15,000 บาท

  2. ย้ายออกและส่งมอบห้องคืนในสภาพเรียบร้อยเมื่อวันที่ 30 มิถุนายน 2568

  3. วันนี้ (31 กรกฎาคม 2568) เจ้าของห้องแจ้งผ่าน LINE ว่าจะยึดเงินประกันทั้งหมด 15,000 บาท เพื่อเป็นค่าทาสีผนังใหม่ และค่าล้างแอร์ ซึ่งรายการเหล่านี้ไม่ได้ระบุว่าเป็นความเสียหายที่ผู้เช่าต้องรับผิดชอบในสัญญา

สิ่งที่ต้องการ: สิทธิของผู้เช่าตามกฎหมายในกรณีนี้มีอะไรบ้าง?

  1. การกระทำของเจ้าของห้องขัดต่อกฎหมายหรือไม่ อย่างไร?

  2. ขั้นตอนที่ควรดำเนินการต่อไปควรเป็นอย่างไรบ้าง (เรียงลำดับจากง่ายไปยาก)

  3. โปรดอ้างอิงตัวบทกฎหมายที่เกี่ยวข้อง เช่น ประกาศคณะกรรมการว่าด้วยสัญญาฯ

ปัญหา Hallucination


AI hallucination หมายถึงกรณีที่ระบบปัญญาประดิษฐ์ (AI) สร้างเนื้อหาหรือคำตอบที่ ไม่ได้อิงจากข้อมูลจริงหรือข้อมูลที่ได้รับมา ซึ่งอาจทำให้ AI สร้างข้อมูลที่ไม่ถูกต้อง นำไปสู่ความเข้าใจผิด หรือแต่งขึ้นทั้งหมด ซึ่งอาจก่อให้เกิดปัญหาในหลายบริบทของการใช้งาน

  • สร้างข้อมูลเท็จโดยสิ้นเชิง (total fabrication) – สร้างแก่นของเรื่องราวที่ไม่มีอยู่จริงขึ้นมาทั้งหมด เช่น อ้างอิงหลักฐานข้อมูลผิด ให้เหตุผลผิด นำไปสู่การสร้างข้อสรุปผิด

  • ผสมผสานระหว่างข้อมูลจริงและเท็จ (mixing true & false) – หลักการโดยรวมถูกต้อง แต่อาจยกตัวอย่างหรือหลักฐานข้อมูลประกอบที่ไม่มีอยู่จริง

  • สรุปความเกินจริง (faulty inference) – ข้อมูลตั้งต้นถูก แต่ข้อสรุปตีความเกินขอบเขตการอ้างอิงของข้อมูล

ปัจจัยที่มีผลต่อความถูกต้อง/เหมาะสมของผลลัพธ์

  • Model

    • พื้นความรู้เดิม (Knowledge Base) โมเดลถูก train มาด้วยข้อมูลอะไรบ้าง สิ้นสุด ณ ตอนไหน มีความเป็นปัจจุบันมากน้อยแค่ไหน

    • สถาปัตยกรรมของโมเดล

    • ขนาดและความสามารถในการให้เหตุผล โมเดลขนาดใหญ่มักมีความสามารถในการคิดเชิงเหตุผล หรือคิดในปัญหาซับซ้อนได้ดีกว่า

    • การปรับจูนเฉพาะทาง (Fine-tuning) ช่วยให้โมเดลเข้าใจบริบทเฉพาะทางได้ดีขึ้น

  • Prompt

    • กระบวนการกระตุ้นเพื่อให้ LLM แสดงผลลัพธ์ตามที่ต้องการ

    • Prompt ชัดเจน ไม่กำกวม และบอกสิ่งที่ต้องการอย่างละเอียด จะได้ผลลัพธ์ที่ดีกว่า

    • เทคนิคการ Prompt ที่แตกต่างกันอาจให้ผลลัพธ์แตกต่างกันไปด้วย (อาจไม่จริงเสมอไปโดยเฉพาะกับโมเดลขนาดใหญ่ที่มีประสิทธิภาพสูง เช่น gpt-o1, gpt-o3)

  • Context

    • ข้อมูลแวดล้อมที่ป้อนเข้าไปพร้อมกับ Prompt เช่น เนื้อหาจากเอกสาร, บทสนทนาก่อนหน้า, หรือข้อมูลเฉพาะที่โมเดลไม่เคยรู้มาก่อน

    • กระบวนการจัดหา Context ที่ถูกต้องก็เป็นปัจจัยที่มีผลด้วย

Prompt Design

“คุณภาพของ prompt ส่งผลต่อคุณภาพของผลลัพธ์”

https://llmnanban.akmmusai.pro/Introductory/Prompt-Elements/

เทคนิคการออกแบบ Prompt : In-Context Learning Strategy

  • Basic Prompting

    • Zero-Shot Prompting

    • One-Shot Prompting

    • Few-Shot Prompting

  • Advance Prompting

    • Chain-of-Thought

    • Constitutional Prompting

    • Template Design

Zero-shot prompting

เจ้าของหอพักเข้าห้องผู้เช่าโดยไม่แจ้งล่วงหน้า และนำทรัพย์สินของผู้เช่าออกไป ขอให้สรุปประเด็นข้อกฎหมายที่ต้องวินิจฉัย

One-Shot Prompting

  • ตัวอย่าง: ภาษากฎหมาย: ผู้ใดลักทรัพย์ผู้อื่น ต้องระวางโทษจำคุกไม่เกินสามปี หรือปรับไม่เกินหกหมื่นบาท หรือทั้งจำทั้งปรับ
    ภาษาชาวบ้าน: ถ้าใครขโมยของคนอื่น อาจติดคุกไม่เกิน 3 ปี หรือโดนปรับไม่เกิน 60,000 บาท หรือทั้งติดคุกทั้งโดนปรับ

  • ภาษากฎหมาย: ผู้ให้เช่าต้องส่งมอบทรัพย์ให้ผู้เช่าตามที่ตกลงกันไว้
    ภาษาชาวบ้าน:…


แปลงข้อความทางกฎหมายให้เป็นภาษาที่ประชาชนเข้าใจง่าย

Few-Shot Prompting

  • ตัวอย่างที่ 1:
    สถานการณ์: นาย ก. ขโมยโทรศัพท์จากกระเป๋าของนาย ข.
    กฎหมายที่เกี่ยวข้อง: ประมวลกฎหมายอาญา มาตรา 334 (ลักทรัพย์)

  • ตัวอย่างที่ 2:
    สถานการณ์: นางสาว ค. ปลอมลายเซ็นในเช็คเงินสดเพื่อเบิกเงิน
    กฎหมายที่เกี่ยวข้อง: ประมวลกฎหมายอาญา มาตรา 264 (ปลอมเอกสาร)

  • สถานการณ์ใหม่:
    นาย ง. ทำร้ายร่างกายนาย จ. จนได้รับบาดเจ็บสาหัส
    กฎหมายที่เกี่ยวข้อง:


ระบุหมวดกฎหมายหรือมาตราที่เกี่ยวข้องในประมวลกฎหมายอาญา

Chain-of-Thought (CoT) (1)

Chain-of-Thought Prompting คือเทคนิคการออกแบบ prompt ที่ให้โมเดลภาษารู้จักการคิดแบบมีเหตุผลเป็นขั้นเป็นตอน หรือแสดงวิธีคิด/วิธีทำออกมาก่อนจะสรุปเป็นคำถามสุดท้าย (step-by-step reasoning)

แทนที่จะให้โมเดลตอบทันที…

ใช้ prompt กระตุ้นให้โมเดลแจกแจงกระบวนการคิด การให้เหตุผล วิธีการคำนวณ หรือการดำเนินงานเพื่อนำไปสู่ผลลัพธ์ออกมาทีละขั้น

  • ลดปัญหา Hallucination

  • เพิ่มความโปร่งใส คุณภาพคำตอบดีขึ้น

  • สอดคล้องกับหลักการ Human in the Loop/Human Center Mindset

Chain-of-Thought (CoT) (2)

สถานการณ์

เมื่อวันที่ 10 พฤศจิกายน 2560 นายโมทย์ นายสมคิด และพวกรวม 10 คน ได้ประชุมวางแผนให้นายโมทย์ใช้ลูกระเบิดชนิดสังหารขว้างใส่ห้องแถวไม้ 2 ชั้นของนายขุน โดยชั้นล่างเปิดเป็นร้านขายของ และชั้นบนเป็นที่พักอาศัยของนายขุนและครอบครัว แต่เกิดอุปสรรคจึงได้ยกเลิกแผนการ

ต่อมาในวันที่ 12 พฤศจิกายน 2560 นายโมทย์และพวกรวม 9 คน ได้นัดประชุมวางแผนอีกครั้ง โดยในครั้งนี้นายสมคิดไม่ได้เข้าร่วมประชุมด้วย

เมื่อประชุมเสร็จแล้ว นายโมทย์จึงเดินทางไปที่บ้านของนายขุน เมื่อถึงบ้าน นายโมทย์เห็นนายขุนและครอบครัวทุกคนขับรถออกจากบ้านไป หลังจากนั้นประมาณ 10 นาที นายโมทย์จึงใช้ลูกระเบิดชนิดสังหารขว้างใส่ห้องแถวไม้ของนายขุน เป็นเหตุให้ฝาบ้าน ประตูบ้าน และกระจกช่องลม ซึ่งเป็นส่วนหนึ่งของตัวบ้าน ได้รับความเสียหายจากแรงระเบิด

สิบตำรวจเอกดำรง และดาบตำรวจอิทธิพล ซึ่งพบเห็นการกระทำความผิดของนายโมทย์ จึงเข้าจับกุมและนำส่งพนักงานสอบสวน โดยทั้งสองนายเดินขนาบข้างและคล้องแขนนายโมทย์ไว้คนละข้าง

ระหว่างทาง นายศึกษากับพวกประมาณ 10 ถึง 15 คน ซึ่งเป็นเพื่อนของนายโมทย์ ได้เข้ามาแย่งตัวนายโมทย์ โดยนายศึกษาดึงตัวนายโมทย์ และใช้เท้าถีบสิบตำรวจเอกดำรง และดาบตำรวจอิทธิพล ขณะเดียวกัน นายโมทย์พยายามดิ้นรนเพื่อให้พ้นจากการถูกควบคุมตัว เป็นเหตุให้เท้าของนายโมทย์ไปถูกสิบตำรวจเอกดำรง และดาบตำรวจอิทธิพล

Zero-Shot Prompting

ให้วินิจฉัยว่า นายโมทย์ นายสมคิด และนายศึกษา มีความผิดตามประมวลกฎหมายอาญาฐานใดหรือไม่?

Single-Turn CoT

นายโมทย์ มีความผิดตามประมวลกฎหมายอาญาฐานใดหรือไม่ ช่วยอธิบายเหตุผลด้วย

ผลลัพธ์ที่ได้เป็นอย่างไร? แตกต่างกันหรือไม่?

Chain-of-Thought (CoT): Multi-Turn CoT

  • CoT ไม่จำเป็นต้องดำเนินการจบใน prompt เดียว ผู้ใช้สามารถออกแบบป้อน prompt หลาย ๆ รายการ อย่างเป็นลำดับ

  • ได้ร่วมคิดไปกับโมเดล เห็นกระบวนการคิดระหว่างทาง (สอดคล้องกับ concept explainable AI)

  • สามารถให้ feedback หรือให้ข้อมูลใหม่แต่โมเดลได้ระหว่างกระบวนการคิด

1. วิเคราะห์พฤติกรรมของ “นายโมทย์”

(1.1) พฤติกรรมที่เกิดขึ้น:
    – ขว้างลูกระเบิดใส่ห้องแถวไม้ของนายขุน
    – ทำให้ทรัพย์สินเสียหาย เช่น ฝาบ้าน ประตูบ้าน กระจก

(1.2) ข้อเท็จจริง:
    – บ้านเป็นอาคาร 2 ชั้น ซึ่งชั้นบนใช้เป็นที่อยู่อาศัยของเจ้าของบ้านและครอบครัว
    – แม้ไม่มีคนอยู่ขณะเกิดเหตุ แต่โดยสภาพถือว่าเป็นอาคารที่มีคนอยู่อาศัย

(1.3) วิเคราะห์กฎหมายที่เกี่ยวข้อง:
    - มาตรา 218(2): วางเพลิงหรือทำให้เกิดระเบิดแก่ทรัพย์ในอาคารที่คนอาศัยอยู่ → มีความผิด
    - มาตรา 358: ทำให้เสียทรัพย์
    - มาตรา 138 วรรคสอง: ต่อสู้ขัดขวางเจ้าพนักงาน โดยใช้กำลังระหว่างถูกจับกุม

(1.4) สรุปความผิดของนายโมทย์ พร้อมอธิบายเหตุผล

ผลลัพธ์ที่ได้เป็นอย่างไร แตกต่างกันหรือไม่?

Part 3: แนะนำ Generative AI สำหรับงานด้านนิติศาสตร์

ไม่มีเครื่องมือใดที่ดีที่สุดสำหรับทุกงาน การเลือกใช้ให้ถูกประเภทคือหัวใจสำคัญ

ภาพรวมเครื่องมือ Gen AI สำหรับงานกฎหมาย


กลุ่มที่ 1: โมเดลภาษาอเนกประสงค์ (General-Purpose LLMs) เป็น AI ที่มีความสามารถทางภาษาและตรรกะสูง เหมาะกับงานที่ต้องการ “การคิด” วิเคราะห์ และสังเคราะห์ข้อมูล

กลุ่มที่ 2: AI เพื่อการสืบค้น (AI for Research) เป็น AI ที่เน้นการค้นหาข้อมูลล่าสุดจากอินเทอร์เน็ต พร้อมแสดงแหล่งอ้างอิงเพื่อการตรวจสอบย้อนกลับ

กลุ่มที่ 3: ผู้ช่วยจัดการความรู้ (Knowledge Assistant) เป็น AI ที่ทำงานกับเอกสารส่วนตัวจำนวนมากที่เราป้อนเข้าไป เพื่อช่วยสกัดและเชื่อมโยงข้อมูล

เปรียบเทียบ Gen AI

https://creatoreconomy.so/p/chatgpt-vs-claude-vs-gemini-the-best-ai-model-for-each-use-case-2025


  • สืบค้น/สรุปข้อมูลแบบ real-time พร้อมให้แหล่งอ้างอิง (citation)

  • สามารถเลือก/ระบุแหล่งข้อมูลที่ต้องการค้นหา

  • ระบบช่วยค้นหาเชิงลึกแบบต่อเนื่องด้วย Copilot Mode



  • สืบค้น/สรุปข้อมูลแบบ real-time พร้อมให้แหล่งอ้างอิง (citation)

  • สามารถเลือก/ระบุแหล่งข้อมูลที่ต้องการค้นหา

  • ระบบช่วยค้นหาเชิงลึกแบบต่อเนื่องด้วย Copilot Mode



  • สืบค้น/สรุปข้อมูลแบบ real-time พร้อมให้แหล่งอ้างอิง (citation)

  • สามารถเลือก/ระบุแหล่งข้อมูลที่ต้องการค้นหา

  • ระบบช่วยค้นหาเชิงลึกแบบต่อเนื่องด้วย Copilot Mode


การใช้งานในบริบทวิชาการ ตัวอย่าง Prompt เช่น “บทความวิชาการ/งานวิจัยเกี่ยวกับ AI ในงานนิติศาสตร์”

การติดตามประเด็นที่น่าสนใจจากคำตอบ

การบันทึกและแชร์ข้อมูล


แหล่งที่มาของข้อมูล

AI Usage Framework

Human in the Loop

https://www.klippa.com/en/blog/information/human-in-the-loop/

Part 4: LLMs vs AI Workflows vs AI Agents

LLMs

  • โมเดลภาษาขนาดใหญ่ที่เป็นพื้นฐานของแอปพลิเคชัน AI เช่น ChatGPT, Google Gemini และ Claude

  • เก่งมากในงานด้านภาษา : แปล สรุป แก้ไข สร้างเนื้อหาใหม่ …

  • มีภูมิความรู้จำกัด ขึ้นอยู่กับ pre-trained data ไม่ทราบข้อมูลเฉพาะบุคคลหรือบริบทต่าง ๆ ของงาน/องค์กร

  • การทำงานเป็นแบบ passive ตอบสนองเฉพาะคำสั่งและข้อมูลที่ได้รับ ไม่สามารถตัดสินใจหรือวางแผนการดำเนินงานได้เอง

AI Workflows (1)

  • ต่อยอดจาก LLMs โดยกำหนดเส้นทาง/กระบวนการทำงานเอาไว้ล่วงหน้า (โดยมนุษย์) เรียกกระบวนการนี้ว่า Workflow

  • ภายใน Workflow นี้ LLM สามารถเข้าถึงและดึงข้อมูลจากเครื่องมือภายนอก เช่น ค้นหาข้อมูลใน google calendar, weather API, calculator, databases, …

AI Workflows (2)

AI Workflows (3)

ข้อจำกัดของ Workflow คือไม่สามารถทำงานนอกเหนือจากเส้นทางที่กำหนด

AI Workflows (4)

AI Workflows (5)

AI Workflows emulate Human Decision-Making

AI Workflows: Perplexity + NotebookLM + ChatGPT

  • วิธีที่ง่ายที่สุดและไม่ต้องเขียนโค้ดเลย เหมาะสำหรับการทำงานเป็นครั้งคราว

  • ให้ผู้ใช้ทำหน้าที่เป็นผู้ควบคุม (orchestrator) เอง

    • กำหนดเป้าหมาย

    • กำหนดกระบวนการทำงาน

    • มอบหมายงานให้ LLM แต่ละตัวทำอย่างเหมาะสมภายในกระบวนการ

    • ส่งต่อ input/output ให้กับ LLM ตามกระบวนการที่กำหนด

    • ประเมินผลลัพธ์

AI Workflows: Perplexity + NotebookLM + ChatGPT

  • เป้าหมาย : ร่างหลักการและเหตุผล ข้อเสนอโครงการพัฒนาระบบบริหารจัดการคดีดิจิทัล

  • ข้อมูลที่ใช้ในการทำงาน

    • ความคิดเห็นจาก stakeholder

    • ยุทธศาสตร์ศาลยุติธรรม TRUST

    • แผนพัฒนาดิจิทัล

    • Literature เกี่ยวกับระบบศาลดิจิทัลหรือระบบที่เกี่ยวข้องในต่างประเทศ

  • กระบวนการทำงาน : หาและเก็บรวบรวมข้อมูล –> วิเคราะห์/สังเคราะห์ข้อมูล –> ร่างหลักการและเหตุผล (สภาพที่คาดหวัง + สภาพปัจจุบัน + Gap analysis …)

🙈 ดาวน์โหลด materials สำหรับตัวอย่าง

AI Agents (1)

  • ข้อจำกัดของ Workflow คือไม่สามารถทำงานนอกเหนือจากเส้นทางที่กำหนด

  • นำ LLM เข้ามาแทนที่มนุษย์ในฐานะผู้ควบคุม/ตัดสินใจกระบวนการทำงานทั้งหมด

  • มนุษย์มีบทบาทแค่บอกเป้าหมาย/ผลลัพธ์ที่อยากได้เท่านั้น ที่เหลือ AI Agent จะทำการคิดให้เหตุผล ดำเนินการและควบคุมการดำเนินการจนบรรลุเป้าหมายเอง

  • แนวคิดหลักที่นำมาพัฒนา AI Agent เรียกว่า React Framework

  • คุณสมบัติสำคัญของ AI Agents

    • ตั้งเป้าหมายได้เอง

    • ตัดสินใจและวางแผน

    • ทำงานหลายขั้นตอนอัตโนมัติ

    • มีความต่อเนื่อง

    • สามารถเชื่อมต่อเครื่องมือหรือแหล่งข้อมูลภายนอก

AI Agents (2)

AI Agents(3)

เปรียบเทียบสามระดับของ AI

ประเด็น LLM AI Workflow AI Agent
การเข้าถึงข้อมูล ไม่มีการดึงข้อมูลภายนอก ดึงข้อมูลจากเครื่องมือภายนอกตามเส้นทางที่กำหนด ดึงข้อมูลจากหลายแหล่งและเลือกเครื่องมือที่เหมาะสม
ผู้ตัดสินใจ มนุษย์ให้ prompt และเลือกใช้ผลลัพธ์ มนุษย์กำหนดลำดับงานและปรับแก้ โมเดลตัดสินใจเองด้วย reasoning & planning
รูปแบบการทำงาน ตอบสนองแบบรายครั้ง ทำตาม control logic ที่กำหนดไว้ วางแผน → ลงมือ → สังเกตและวนซ้ำ (ReAct)
ความสามารถในการปรับตัว ต่ำ – ไม่ปรับตามบริบท จำกัดตามเส้นทางที่กำหนด สูง – ปรับวิธีแก้ปัญหาได้ตามบริบท
เหมาะกับ การสร้าง/สรุปข้อความทั่วไป งานซ้ำ ๆ ที่ชัดเจน RAG งานซับซ้อน ข้อมูลไม่แน่นอน ต้องการตัดสินใจหลายขั้น

“A General Introduction to Artificial Intelligence.” 2023. In Artificial Intelligence Technology, 1–41. Singapore: Springer Nature Singapore. https://doi.org/10.1007/978-981-19-2879-6_1.
Gaël. 2020. “What Is Artificial Intelligence?” https://www.datakeen.co/what-is-artificial-intelligence-3/.
McKinney, Scott M., Marcin Sieniek, Varun Godbole, et al. 2020. “International Evaluation of an AI System for Breast Cancer Screening.” Nature 577: 89–94. https://doi.org/10.1038/s41586-019-1799-6.
Park, Sonwook, Donghoon Lee, and Hogun Park. 2024. “Enhancing Knowledge Tracing with Concept Map and Response Disentanglement.” https://arxiv.org/abs/2408.12996.
Pyzer-Knapp, Edward O., Jeffrey W. Pitera, Peter W. J. Staar, et al. 2022. “Accelerating Materials Discovery Using Artificial Intelligence, High Performance Computing and Robotics.” Npj Computational Materials 8: 84. https://doi.org/10.1038/s41524-022-00765-z.
Srisuttiyakorn, Siwachoat, Kanit Sriklaub, Prapasiri Ratchaprapapornkul, and Watinee Amornpaisarnlert. 2024. “Technical Assistance for Mapping Education Data to Thailand Child-Sensitive Climate Change Risk.” Research Report. UNICEF.
UCL Institute of Ophthalmology. 2018. “Artificial Intelligence Equal to Experts in Detecting Eye Diseases.” https://www.ucl.ac.uk/ioo/news/2018/aug/artificial-intelligence-equal-experts-detecting-eye-diseases.
Woebot Health. 2025. “Woebot Health: Scalable Enterprise Solution for Mental Health.” https://woebothealth.com/.